如何从出租车中获取王国、门、类、目、科、属和种的分类学特定 ID？答案

【问题标题】：How to get taxonomic specific ids for kingdom, phylum, class, order, family, genus and species from taxid?如何从出租车中获取王国、门、类、目、科、属和种的分类学特定 ID？
【发布时间】：2016-07-29 22:05:22
【问题描述】：

我有一个如下所示的出租车清单：

我希望从上面的taxids 中按顺序获取具有分类ID 的文件：

kingdom_id      phylum_id       class_id        order_id        family_id       genus_id        species_id

我正在使用包“ete3”。我使用工具ete-ncbiquery 告诉您来自上述ID 的血统。（我使用下面的命令从我的 linux 笔记本电脑上运行它）

ete3 ncbiquery --search 1204725 2162 13000163 420247 --info

结果如下：

# Taxid Sci.Name    Rank    Named Lineage   Taxid Lineage
2162    Methanobacterium formicicum species root,cellular organisms,Archaea,Euryarchaeota,Methanobacteria,Methanobacteriales,Methanobacteriaceae,Methanobacterium,Methanobacterium formicicum   1,131567,2157,28890,183925,2158,2159,2160,2162
1204725 Methanobacterium formicicum DSM 3637    no rank root,cellular organisms,Archaea,Euryarchaeota,Methanobacteria,Methanobacteriales,Methanobacteriaceae,Methanobacterium,Methanobacterium formicicum,Methanobacterium formicicum DSM 3637  1,131567,2157,28890,183925,2158,2159,2160,2162,1204725
420247  Methanobrevibacter smithii ATCC 35061   no rank root,cellular organisms,Archaea,Euryarchaeota,Methanobacteria,Methanobacteriales,Methanobacteriaceae,Methanobrevibacter,Methanobrevibacter smithii,Methanobrevibacter smithii ATCC 350611,131567,2157,28890,183925,2158,2159,2172,2173,420247

我不知道哪些项目 (IDS) 对应于我要查找的内容（如果有的话）

【问题讨论】：

询问 biostars.org。例如：biostars.org/p/16262

标签： bioinformatics taxonomy phylogeny ncbi etetoolkit

【解决方案1】：

以下代码：

import csv
from ete3 import NCBITaxa

ncbi = NCBITaxa()

def get_desired_ranks(taxid, desired_ranks):
    lineage = ncbi.get_lineage(taxid)
    lineage2ranks = ncbi.get_rank(lineage)
    ranks2lineage = dict((rank, taxid) for (taxid, rank) in lineage2ranks.items())
    return {'{}_id'.format(rank): ranks2lineage.get(rank, '<not present>') for rank in desired_ranks}

def main(taxids, desired_ranks, path):
    with open(path, 'w') as csvfile:
        fieldnames = ['{}_id'.format(rank) for rank in desired_ranks]
        writer = csv.DictWriter(csvfile, delimiter='\t', fieldnames=fieldnames)
        writer.writeheader()
        for taxid in taxids:
            writer.writerow(get_desired_ranks(taxid, desired_ranks))

if __name__ == '__main__':
    taxids = [1204725, 2162,  1300163, 420247]
    desired_ranks = ['kingdom', 'phylum', 'class', 'order', 'family', 'genus', 'species']
    path = 'taxids.csv'
    main(taxids, desired_ranks, path)

生成如下所示的文件：

kingdom_id  phylum_id   class_id    order_id    family_id   genus_id    species_id
<not present>   28890   183925  2158    2159    2160    2162
<not present>   28890   183925  2158    2159    2160    2162
<not present>   28890   183925  2158    2159    2160    2162
<not present>   28890   183925  2158    2159    2172    2173

【讨论】：

【解决方案2】：

使用结果中的 Taxid Lineage 编号，尝试在 ete3 的 get_rank 方法中使用它们。作为example：

from ete3 import NCBITaxa
ncbi = NCBITaxa()

print ncbi.get_rank([9606, 9443])
# {9443: u'order', 9606: u'species'}

据推测，生成的字典应该包含所有 ID 的排名信息，包括您可能想要消除的任何中间“无排名”ID。

【讨论】：

【解决方案3】：

您也可以使用 R 包taxonomizr。该软件包需要一些时间来下载必要的文件，但之后它非常快速和容易。

library("taxonomizr)
getNamesAndNodes()
taxaNodes <- read.nodes('nodes.dmp')
taxaNames <- read.names('names.dmp')
taxaID <- c("1204725", "2162", "1300163", "420247")

getNamesAndNodes 从 ncbi 下载 names.dmp 和 nodes.dmp 文件。

【讨论】：